AI 영상 50개 동시 생성, FFmpeg 파이프라인으로 자동화한 전략

Context

AI 생성 영상의 부자연스러운 품질과 메타데이터 식별 문제 발생. 플랫폼별 최적화 및 A/B 테스트를 위한 다량의 영상 변형 작업이 수동으로 진행되는 병목 현상 직면.

Technical Solution

• AI 생성 영상의 지문 제거를 위해 map_metadata -1 설정으로 메타데이터를 삭제하는 전처리 단계 설계
• nlmeans와 noise 필터를 조합하여 AI 특유의 매끄러운 질감을 제거하고 자연스러운 필름 그레인 효과 부여
• loudnorm 필터를 적용하여 TikTok 및 Reels 표준 규격인 -14 LUFS로 오디오 레벨을 자동 정규화
• Color, Speed, Crop 파라미터를 조합한 FFmpeg 명령어를 생성하여 각 출력 파일의 고유한 Perceptual Hash 확보
• RenderIO API와 Cloudflare Edge Network의 병렬 처리 구조를 활용해 수십 개의 변형 영상을 동시 렌더링
• n8n 또는 Zapier와 연동하여 생성부터 배포까지의 전체 워크플로우를 API 기반으로 자동화

Impact

• 50개 이상의 출력 파일 생성 및 배포까지의 전체 파이프라인 소요 시간 10분 미만 달성
• 15개의 변형 영상 요청을 단일 요청과 거의 동일한 시간 내에 처리하는 병렬 렌더링 구조 구현

Key Takeaway

단순한 콘텐츠 생성을 넘어 포스트 프로세싱과 변형 생성 단계를 API 기반 파이프라인으로 추상화하여 확장성 있는 콘텐츠 공급망 구축 가능